基于GIS的广东省台风灾害风险性评价

为有效评价广东省台风灾害风险性,基于自然灾害风险性评价理论及方法和地理信息系统(GIS)相关技术,利用灾害及社会经济统计数据、遥感地图数据和其它地理数据,选择灾害危险性、孕灾环境敏感性、承灾体脆弱性和防灾减灾能力为评价指标,运用提出的TFN-AHP-EW主客观赋权法求取各评价指标相关因子的权重,建立广东省台风灾害风险性评价模型。结果表明:广东省台风灾害风险程度区域差异明显,风险性较高的地区为广东省南部沿海地区如湛江、珠海、汕尾;风险较低的地区是广东省北部地区如清远、韶关等地。      

海南岛天然橡胶林台风灾害风险评价

台风灾害是海南橡胶种植中影响最为严重和主要的灾害,为对其风险进行定量评估,本研究以海南岛天然橡胶林为研究对象,基于灾害风险评估理论,融合橡胶台风灾害、社会经济和气象数据,建立橡胶台风灾害危险性、暴露性和脆弱性评价模型,利用加权综合评价法开展天然橡胶林台风灾害风险评价。结果表明：海南橡胶种植高风险区位于沿海台风发生频繁市县,其中琼海、文昌、海口为海南岛橡胶灾害风险最高的地区,其次陵水、万宁、琼中、屯昌、东方等地区灾害风险也较高。风险最低地区位于中部五指山、保亭、乐东、三亚等地区,评价结果与实际灾害发生以及种植情况相符。评价结果表明,台风灾害危险性是风险的主导因子,但非单一决定因子,种植技术、品种改良等措施对脆弱性降低起到了较好的促进作用。评价结果可为橡胶林避灾防灾及种植布局提供依据。     

基于云模型—风险矩阵的华南台风灾害综合等级评估

文中从台风灾害的致灾危险性和承灾体脆弱性两方面选取评价指标,利用最小鉴别信息原理计算组合权重,采用模糊数学方法得到台风致灾危险性和承灾体脆弱性的评价指数。基于云模型和风险矩阵,构建一个新的台风灾害等级评估模型。以1984—2016年登陆华南的50个台风为例,对华南台风灾害风险进行综合等级评估,结果与实际相符。与基于云模型—权重分配、模糊数学的台风灾害综合风险等级评估模型的结果进行比较,发现基于云模型—风险矩阵的台风灾害综合等级评估模型,不仅利用了云模型的优点,充分考虑了台风灾害的模糊性和随机性,还利用风险矩阵合成了台风致灾危险性和承灾体脆弱性的评价结果,比单一的模糊数学模型更合理可靠,在一定程度上也比云模型—权重分配模型结果更符合实际。     

广东“威马逊”过程致灾因子的分析与风险区划

选取台风"威马逊"影响期间广东21个地市观测站的风雨资料,利用层次分析法和加权综合评价方法对广东省进行台风致灾因子风险分析,并应用GIS技术绘制广东地区致灾因子风险区划图,将灾害等级划分为:高风险区、较高风险区、中风险区和低风险区。结果表明:台风"威马逊"对广东的灾害危险性分布从粤西沿海-中部区域-北部山区呈现出阶梯状递减的趋势,其中湛江处于高度风险区,珠三角处于中度风险区;粤西沿海地区的危险性大于粤东沿海各县市;粤西北和粤东北地区的危险性相当。     

阶段性动态风险评估方法在暴雨灾害风险评估中的应用

灾害动态风险评估是对风险评估方法的一次改进,通过对灾害过程的不同阶段分别开展风险分析,将气象灾害的风险分析从气候特征评价向天气过程评价转化,以更好地应用于动态风险预警。以杭州暴雨灾害为例,将灾害性天气风险评估过程划分为灾前预评估、灾中实时评估、灾后调查评估3个阶段,利用灰色关联模型界定杭州暴雨致灾因子的评价指标,同时基于模糊综合评价方法构建灾害风险评估模型,进而形成一整套阶段性动态风险评估流程。最后,结合1509号台风暴雨过程进行实例分析,并分别给出3个阶段的评估检验结果。结果显示灾后评估结果与灾中评估的一致性高达76.0%,而与灾前预评估的一致性仅为49.0%,说明灾中评估的开展可以有效修正预评估结果。随着动态风险评估流程模型的业务化运行,将会实现针对整个灾害过程的滚动加密评估,从而进一步提升风险评估结果的可靠性。     

新兴县气象灾害的风险分析与区划

基于气象、灾情和经济社会资料,结合GIS方法对新兴气象灾害风险进行区划,在分析新兴县台风、暴雨洪涝、干旱、高温、寒害等5种气象灾害孕灾环境敏感性、致灾因子危险性、承灾体易损性、防灾减灾能力的基础上,应用加权综合法得到各评价单元(乡镇)的综合气象风险度指数,借助GIS技术,对新兴县气象灾害风险进行了区域性划分。结果表明:致灾因子危险性最大值分布在新城镇,大江镇的孕灾环境暴露性最大,承灾体脆弱性最高值分布在河头镇,防灾减灾能力最高值主要分布在新城镇和簕竹镇,综合考虑各因子,新城镇发生气象灾害的风险最高,车岗镇、水台镇、六祖镇、太平镇、稔村镇、天堂镇、东成镇、簕竹镇次之,河头镇、大江镇、里洞镇发生气象灾害的风险相对较低。     

河池市冰雹气候特征及风险区划

利用1981～2010河池市气象观测站记录的冰雹资料及纪要栏记录雹灾资料,分析河池市冰雹气候特征,在对雹灾孕灾环境敏感性、致灾因子危险性、承灾体易损性等多因子综合分析基础上,构建冰雹灾害风险评价的指标体系和模型,对灾害风险程度进行评价和等级划分.最后,基于GIS平台进行叠加分析,绘制冰雹灾害风险区划图.     

台风灾害主要承灾体易损性研究——以浙江为例

台风灾害是威胁我国沿海地区经济社会发展的一个重大障碍,传统的台风灾害探讨的往往是致灾因子和孕灾环境对灾害的影响,但研究表明,承灾体的社会经济等易损性程度对台风灾害有着放大或缩小的作用。因此,本文通过收集和整理浙江省11个地级市的社会、经济等数据,运用统计学方法构建台风灾害承灾体的易损性评价指标,并对浙江省各地级市的易损性程度进行了评价,结果显示,省会杭州和浙东沿海台风易损性程度较高,浙江中部为中等级别,湖州、舟山和浙西南的衢州、丽水4市易损性较低。对比分析表明,该评价结果较为合理,有一定的潜在表征性,为科学的、综合的台风灾害评估工作奠定了基础。     

基于ArcGIS的新疆雷电灾害风险区划研究

为了明确不同区县雷电灾害风险的高低程度、防御措施和减轻雷灾损失,利用地闪资料、雷电灾情数据、社会经济资料和地理信息数据,采取归一化法、层次分析法和加权综合评价法,考虑致灾因子的危险性、孕灾环境的敏感性和承灾体的易损性3个评价指标,选择地闪密度、地闪强度、海拔高度、地形起伏、地表覆盖类型、人口密度、地均GDP、生命损失指数、经济损失指数和耕地比重等10个影响因子建立雷电灾害区划模型,绘制出新疆雷电灾害风险区划图。结果表明:雷电灾害风险极高区主要集中在阿勒泰地区北部、塔城地区大部、博州、伊犁州、喀什市和天山北坡经济带南部部分地区,而古尔班通古特沙漠和塔克拉玛干沙漠地区属于一般风险区。通过与新疆历史雷电灾情数据比较发现,雷电灾情次数空间分布与风险区划分布趋势大致吻合。     

遂溪县台风灾害风险管理探析

简述了近10年来主要影响遂溪县的台风受灾概况,根据灾害风险理论,结合遂溪县台风灾害风险区划和预警中心建设情况,针对性地提出了完善台风灾害风险管理体系、提高风险管理科技支撑水平、加强灾前灾中灾后风险管理和效果评价、构建台风灾害风险管理的"一张图"的建议,实现对台风灾害风险的科学评估、动态管理、统一指挥、灾害处置,对风险源和可能发生的灾害链进行系统化的监测和防控,以期减少或避免台风带来的灾害。     

杭州市台风暴雨洪涝灾害风险区划与评价

根据1960—2009年杭州市7个县市区的台风降水资料,结合杭州市的社会经济与自然地理要素,构建一个集致灾因子、孕灾环境、承灾体及防灾能力为一体的区域台风暴雨洪涝灾害风险评价模型。通过GIS空间分析技术实现各评价指标的栅格化,并利用模糊综合评价方法。编制以100 m×100 m栅格为基本评价单元的杭州市台风暴雨洪涝灾害风险区划图。将杭州市域划分为高、次高、中等、次低和低的5级风险。区划结果表明：杭州市台风暴雨洪涝灾害风险从西南至东北呈递增趋势。萧山区、余杭市及杭州主城区等沿海平原区,风险等级相对较高;而建德市、淳安县等中西部山地丘陵区,风险等级略低。     

基于GIS的徐水县干旱灾害风险区划

以河北省保定市徐水县干旱灾害为例,对其干旱灾害风险区划进行研究。利用GIS技术,建立气象数据库,集成基础地理数据、气象观测数据和人口经济等资料;选择适当指标,实现干旱灾害致灾因子危险性、孕灾环境敏感性、承灾体脆弱性和防灾减灾能力栅格化的计算。通过建立干旱灾害风险评估模型,完成干旱灾害风险区划的绘制,并分析了徐水县干旱灾害风险区划的分布特点。结果表明,徐水县干旱灾害风险分布呈地区性差异,中部地区发生干旱灾害的风险较高,西南地区风险较低。     

基于机器学习算法的县域台风灾害损失风险评估

基于2008—2019年我国台风县(区)灾情的直接经济损失数据,根据经济损失率将台风灾害经济损失风险分为五类,考虑台风灾害的致灾因子和孕灾环境因子共选取10个解释变量,采用五种经典的机器学习算法,包括支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)、AdaBoost、XGBoost(Extreme Gradient Boosting Machine)和LightGBM(Light Gradient Boosting Machine),分别构建台风灾害经济损失风险评估模型,选出准确率最高的模型,应用于经典台风过程并进行检验评估。结果表明:基于RF算法的台风灾害经济损失风险模型的准确率最高;利用RF、XGBoost、LightGBM、AdaBoost和SVM算法构建模型的准确率依次为0.69、0.63、0.62、0.45和0.41。选择RF算法构建的台风灾害经济损失风险模型的解释变量表明,致灾因子是最主要的解释变量,其中,降雨导致损失的重要性超过风速。该模型在训练集和测试集上对风险分类的TS评分为0.55和0.51,但对每种风险类别的辨别能力存在差异,对于最低风险和最高风险的分类效果较好,对于较高风险和中等风险的分类能力不足。利用该模型对2017年第13号台风“天鸽”的经济损失进行检验评估,评估结果与实际台风灾害经济损失的风险等级较一致,各风险等级的准确率均达到0.7以上,TS评分在0.58以上,空报率和漏报率分别在0.31和0.25以下。      

昆明市晋宁区烤烟种植冰雹灾害风险区划及防御对策

文章利用晋宁区2009—2018年6—9月烤烟种植冰雹灾害、受损情况及各种气象资料,根据自然灾害系统理论和冰雹灾害风险评估的相关理论,构建由致灾因子危险性、烤烟种植易损性、孕灾环境敏感性、防灾减灾能力等风险指数模型和风险区划指标体系,采用层次分析法和加权综合评价法计算各指标权重和风险指数,并利用GIS技术进行栅格图层计算得到晋宁区冰雹灾害综合风险区划图。结果显示:晋宁区冰雹灾害风险东西部高、北部和中部低,沿山地带和山区高于平坦地区,晋城镇南部、双河乡和夕阳乡山区冰雹灾害风险处于较高水平。根据区划结果,提出了人工防雹的合理化建议。     

基于结构要素模型的乡镇级雷电灾害风险评价

以贵州省铜仁市为研究对象,从致灾因子危险性、孕灾环境敏感性、承灾体易损性等3个方面选取雷电灾害风险评价指标,建立以目标、准则、指标层为结构要素的评价模型。基于GIS平台,网格化评价指标因子生成栅格数据,采用投影寻踪模糊聚类获取各指标权重,计算分析雷电灾害风险,绘制乡镇级雷电灾害风险区划图,实现精细化风险分析评价。     

青海省黄南州牧业气象灾害危险性评价

本文对青海省黄南藏族自治州南部两县历年发生的主要气象灾害进行分类统计,评定其灾害强度。采用模糊数学理论,统计气象灾害与承载体的对应频数,计算出对应权重,分别计算各单一致灾因子的风险向量,并对其进行危险性评价,然后进一步计算出综合致灾因子的风险向量,对多致灾因子进行危险性评价。     

海南岛台风灾害危险性评价研究

应用G IS技术,以县市行政区为单位,选用多年平均台风灾害过程中的综合灾度、风速和降水因子,利用台风灾害危险性指数法对海南岛台风灾害危险性进行评估。结果表明:危险性最大值分布在海南岛的沿海市县。台风灾害危险性评估可为海南岛的可持续发展和防灾减灾决策提供科学依据。     

基于GIS 的承德市冰雹灾害风险区划

为了有针对性地防御冰雹灾害,应用承德市精细到乡镇的降雹频次、历史灾情、DEM数据、土地和人口密度等资料,从致灾因子、承灾体、孕灾环境、防灾减灾能力四个方面构建冰雹灾害风险评价模型。运用综合加权分析法和层次分析法计算各指标的权重,通过GIS空间分析技术实现对各评价指标栅格化,制作以栅格为基本评价单元的承德市冰雹灾害风险区划图。结果表明:承德市西北部的丰宁县冰雹灾害风险最高;中北部的围场县、隆化县、平泉县大部、滦平县北部风险较高;承德市南部的兴隆县、宽城县冰雹灾害风险较低。     

基于人口/GDP数据空间化的雷电灾害风险评价

为满足雷电灾害风险决策的精准化需求,突破人口、GDP等社会经济数据受行政区域的限制。本文基于多源遥感资料及统计年鉴数据,反演贵州省人口、GDP空间精细化分布情况,实现受灾对象在空间上的连续性分布;同时结合闪电定位监测资料、土壤电导率(HWSD)数据、地理信息数据,从致灾因子、孕灾环境、承灾体3个方面选取评价因子,构建雷电灾害风险评价模型,实现精细化风险评价研究。结果表明:(1)通过融入坡度分布修正人居指数、土地利用数据和夜间灯光数据反演不同产业经济数据实现的人口、GDP数据空间化分布,在总体趋势和局部特征上与贵州省实际情况相符,可为雷电灾害及其他自然灾害风险评价中承灾体的精细化分布提供参考。(2)雷电灾害风险主要受致灾因子、承灾体的影响,与雷电活动频繁程度以及社会经济发展水平有关。贵州省高风险区域主要集中在六盘水、毕节东南部、黔西南东北部、安顺南部及北部、贵阳东南部,黔南西南及东北部、遵义西北部、铜仁中部及东南部等区域。     

GIS MCE技术在农业气象灾害风险评价中的应用

气象灾害风险评价涉及多源、多维、多尺度空间数据与社会经济统计数据,对应用GIS结合MCE技术进行农业气象灾害风险评价进行了研究。利用特尔菲专家测定法建立评价准则,利用空间划分技术建立评价单元,利用属性值空间化技术实现对气象灾害影响因素空间分布特征进行描述,以空间叠置计算获得多准则条件下空间单元决策目标分值,从而实现区域气象灾害风险区划。研究表明,GIS结合MCE技术能够较好地整合与气象灾害风险评价相关的各类空间数据和社会统计数据,实现气象灾害风险的定量化评价。以冰雪灾害致灾因子评价为例,证明以上技术方法具有可行性。